Examinamos a utilidade de abordagens de aprendizado de máquina para medir o tom vocal em divulgações corporativas. Documentamos uma discrepância substancial entre os dados de treinamento amplamente adotados, baseados em atores, que fundamentam essas abordagens, e a fala em divulgações corporativas. Constatamos que os modelos existentes alcançam classificação de tom vocal quase perfeita dentro de seu domínio de treinamento. No entanto, quando testados em discursos reais de executivos durante teleconferências, seu desempenho cai para níveis próximos ao acaso. Assim, introduzimos o **FinVoc2Vec**, um modelo de deep learning que se adapta a gravações de teleconferências e classifica o tom vocal de executivos de forma significativamente mais precisa do que o acaso. As estimativas do FinVoc2Vec estão associadas ao desempenho futuro das empresas e podem ser usadas para construir carteiras de ações lucrativas. Em nossas análises, as estimativas de modelos anteriores de tom vocal mostraram-se em grande parte não relacionadas ao desempenho das firmas. Nossos achados enfatizam a importância de uma abordagem específica ao domínio para a análise de voz em contabilidade e finanças.
Listen Closely: Measuring Vocal Tone in Corporate Disclosures
Jonas Ewertz, Charlotte Knickrehm, Martin Nienhaus, Doron Reichmann
Imagem aqui
Postagens
